發(fā)布時間：2022-07-07 11:43

　　短期電力負(fù)荷預(yù)測在能量管理系統(tǒng)（EMS）中扮演不可或缺的角色,它在電力系統(tǒng)安全、穩(wěn)定、經(jīng)濟等方面的運行上起到不同程度的保障作用,本文針對短期電力負(fù)荷預(yù)測進行研究。首先簡要介紹了影響電力負(fù)荷特性的部分因素、已有的電力負(fù)荷預(yù)測方法和電力負(fù)荷預(yù)測的基本原理。接著,對BP神經(jīng)網(wǎng)絡(luò)、自組織競爭神經(jīng)網(wǎng)絡(luò)和SOFM網(wǎng)絡(luò)進行分析比較,同時針對BP神經(jīng)網(wǎng)絡(luò)泛化能力弱的缺點,引入貝葉斯和提前終止兩種方法進行改進。由于電力負(fù)荷具有很強的地域性,本文以呼和浩特市2018年電力負(fù)荷為研究對象,分析負(fù)荷基本特性,利用水平處理法和垂直處理法修補缺失的歷史電力負(fù)荷數(shù)據(jù),量化和歸一化負(fù)荷及影響電力負(fù)荷的相關(guān)因素,包括預(yù)測日當(dāng)天的最高最低溫度、風(fēng)力、天氣、濕度、日期類型,將文字信息量化為可以處理的數(shù)字信息,并將所有數(shù)據(jù)按比例壓縮在零到一之間,以此防止神經(jīng)元假飽和,消除因量綱和變化范圍差異出現(xiàn)的影響。最后,為提高BP神經(jīng)網(wǎng)絡(luò)預(yù)測的精度,本文提出一種基于聚類神經(jīng)網(wǎng)絡(luò)組合BP神經(jīng)網(wǎng)絡(luò)的方法預(yù)測短期電力負(fù)荷。將整理好的數(shù)據(jù)分別輸入自組織競爭型網(wǎng)絡(luò)和SOFM網(wǎng)絡(luò),利用聚類神經(jīng)網(wǎng)絡(luò)的無監(jiān)督式訓(xùn)練的學(xué)習(xí)方式與相近學(xué)習(xí)規(guī)則相結(jié)合的學(xué)習(xí)模... 

【文章頁數(shù)】：71 頁

【學(xué)位級別】：碩士

【部分圖文】：

論文研究框架圖

負(fù)荷預(yù)測基本流程圖

BP神經(jīng)元模型

【參考文獻】：
期刊論文
[1]R/S-BP網(wǎng)絡(luò)耦合模型及其在年徑流預(yù)測中的應(yīng)用[J]. 趙益平,王文圣,劉淺奎.  華北水利水電大學(xué)學(xué)報(自然科學(xué)版). 2019(04)
[2]基于集對分析和GA-BP神經(jīng)網(wǎng)絡(luò)的地下水埋深預(yù)測研究[J]. 陳笑,胡宏祥,戚王月,周婷,夏萍.  華北水利水電大學(xué)學(xué)報(自然科學(xué)版). 2019(04)
[3]基于相關(guān)因子的BP神經(jīng)網(wǎng)絡(luò)電力負(fù)荷短期預(yù)測[J]. 劉進波,周克男,任明會.  信息記錄材料. 2018(01)
[4]基于改進粒子群優(yōu)化的并行極限學(xué)習(xí)機[J]. 李婉華,陳羽中,郭昆,郭松榮,劉漳輝.  模式識別與人工智能. 2016(09)
[5]基于增量優(yōu)化極限學(xué)習(xí)機的電力負(fù)荷預(yù)測[J]. 寧曉光,朱永利.  計算機仿真. 2016(02)
[6]雙變量小波閾值去噪和改進混沌預(yù)測模型在短期電力負(fù)荷預(yù)測中的應(yīng)用[J]. 張淑清,師榮艷,董玉蘭,李盼,任爽,姜萬錄.  中國電機工程學(xué)報. 2015(22)
[7]基于迭代誤差補償?shù)暮藰O端學(xué)習(xí)機模型在短期電力負(fù)荷預(yù)測中的應(yīng)用[J]. 郎坤,張明媛,袁永博.  計算機應(yīng)用. 2015(07)
[8]基于ESPRIT分解算法的短期電力負(fù)荷預(yù)測[J]. 馬哲,舒勤.  電力系統(tǒng)保護與控制. 2015(07)
[9]基于ARIMAX模型的夏季短期電力負(fù)荷預(yù)測[J]. 崔和瑞,彭旭.  電力系統(tǒng)保護與控制. 2015(04)
[10]基于改進數(shù)據(jù)子空間算法的電力負(fù)荷預(yù)測問題[J]. 竇小磊,鄭玉麗.  計算機仿真. 2014(12)

碩士論文
[1]某縣域電力負(fù)荷特性分析與預(yù)測研究[D]. 陳靜.吉林大學(xué) 2018
[2]基于SOM-BP神經(jīng)網(wǎng)絡(luò)的盾構(gòu)機故障診斷方法研究[D]. 鄒蘭.西安理工大學(xué) 2018
[3]基于神經(jīng)網(wǎng)絡(luò)的電力負(fù)荷預(yù)測研究與實現(xiàn)[D]. 石德琳.山東大學(xué) 2016
[4]基于BP神經(jīng)網(wǎng)絡(luò)的短期電力負(fù)荷預(yù)測的研究[D]. 隋惠惠.哈爾濱工業(yè)大學(xué) 2015
[5]基于灰色理論和神經(jīng)網(wǎng)絡(luò)的中長期電力負(fù)荷預(yù)測的研究[D]. 楊超.天津理工大學(xué) 2015
[6]面向智慧社區(qū)的中央空調(diào)在線故障智能診斷技術(shù)的研究與實現(xiàn)[D]. 王彩霞.東北大學(xué) 2013
[7]基于神經(jīng)網(wǎng)絡(luò)的大連地區(qū)短期電力負(fù)荷預(yù)測[D]. 孔繁寧.大連理工大學(xué) 2013
[8]呼和浩特地區(qū)電網(wǎng)運行方式分析[D]. 劉艷.華北電力大學(xué) 2012
[9]基于SOM和小波變換數(shù)據(jù)挖掘的負(fù)荷建模平臺數(shù)據(jù)庫[D]. 孟凡堯.山東大學(xué) 2012
[10]基于BP人工神經(jīng)網(wǎng)絡(luò)的電力短期負(fù)荷預(yù)測[D]. 曲薇薇.東北石油大學(xué) 2011



本文編號：3656359